实体 DistressBench

DistressBench

PulseAugur coverage of DistressBench — every cluster mentioning DistressBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_294471 · Oct 12 · 04:00

新的基准测试DistressBench评估LLM的危机支持能力

研究人员开发了DistressBench，这是一个新的评估数据集，用于评估大型语言模型（LLM）在危机情况（特别是涉及自杀和自残的情况）下提供支持的能力。与专注于拒绝的现有基准测试不同，DistressBench使用跨越危机支持七个维度的加权标准评估体系，包括降级处理和将用户转介给人工帮助。评估发现，即使是表现最好的前沿模型也只满足了88.4%的加权标准，其中相当一部分模型在识别危机后未能将用户转介给适当的资源。该研究强调，需要评估L…